Note for R Parallel Computing

#并行计算-parallel包
#parallel包的思路和lapply函数很相似，都是将输入数据分割、计算、整合结果。只不过并行计算是用到了不同的cpu来运算。下面的例子是解决欧拉问题的第14个问题。

# 并行计算euler14问题
# 自定义函数以返回原始数值和步数
library(parallel)
func <- function(x) {
    n = 1
    raw <- x
    while (x > 1) {
        x <- ifelse(x%%2==0,x/2,3*x+1)
        n = n + 1
    }
    return(c(raw,n))
}

library(parallel)
# 用system.time来返回计算所需时间
system.time({
    x <- 1:1e6
    cl <- makeCluster(4)  # 初始化四核心集群
    results <- parLapply(cl,x,func) # lapply的并行版本
    res.df <- do.call('rbind',results) # 整合结果
    stopCluster(cl) # 关闭集群
})
# 找到最大的步数对应的数字
res.df[which.max(res.df[,2]),1]

#上例中关键的函数就是parLapply，其中三个参数分别是集群对象、输入参数和运算函数名。我们最后算出的结果是837799。

#---------------------
# foreach包是revolutionanalytics公司贡献给R开源社区的一个包。
# 它能使R中的并行计算更为方便。与sapply函数类似，foreach函数中的
# 第一个参数是输入参数，%do%后面的对象表示运算函数，而.combine则
# 表示运算结果的整合方式。 下面的例子即是用foreach来完成前面的同一个任务。
# 如果要启用并行，则需要加载doParallel包，并将%do%改为%dopar%。这样一行
# 代码就能方便的完成并行计算了。
library(foreach)
# 非并行计算方式，类似于sapply函数的功能
x <- foreach(x=1:1000,.combine='rbind') %do% func(x)

# 启用parallel作为foreach并行计算的后端
library(doParallel)
cl <- makeCluster(4)
registerDoParallel(cl)
# 并行计算方式
x <- foreach(x=1:1000,.combine='rbind') %dopar% func(x)
stopCluster(cl)

#并行计算-随机森林,一共要生成十万个树来组合成一个随机森林，
#每个核心负责生成两万五千个树。最后用combine进行组合。
if(require(foreach)==0|require(randomForest)==0)
    install.packages('foreach');install.packages('randomForest')
library(foreach)
library(randomForest)
cl <- makeCluster(4)
registerDoParallel(cl)
rf <- foreach(ntree=rep(25000, 4), 
              .combine=combine,
              .packages='randomForest') %dopar%
    randomForest(Species~., data=iris, ntree=ntree)
stopCluster(cl)